以大模型為代表的新一代人工智能技術(shù)正加速推進(jìn)新型工業(yè)化的變革進(jìn)程。2024年1月，國務(wù)院常務(wù)會議研究部署推動人工智能賦能新型工業(yè)化有關(guān)工作，強(qiáng)調(diào)以人工智能和制造業(yè)深度融合為主線，以智能制造為主攻方向，以場景應(yīng)用為牽引，加快重點行業(yè)智能升級，大力發(fā)展智能產(chǎn)品，高水平賦能工業(yè)制造體系。4月，工信部提出從供給側(cè)、需求側(cè)、基礎(chǔ)側(cè)協(xié)同發(fā)力，加快培育面向工業(yè)領(lǐng)域的大模型�？梢姡I(yè)大模型已經(jīng)成為人工智能深度賦能新型工業(yè)化的重點方向；不僅能推動生產(chǎn)制造高效化發(fā)展、大幅縮短生產(chǎn)周期，而且能效降低生產(chǎn)制造的成本消耗，推進(jìn)工業(yè)綠色化、集約化發(fā)展。
本文總結(jié)分析了我國工業(yè)大模型發(fā)展現(xiàn)狀，及現(xiàn)階段工業(yè)大模型發(fā)展過程中存在的幾個明顯反差，并提出發(fā)展趨勢展望。
01 我國工業(yè)大模型發(fā)展現(xiàn)狀
當(dāng)前，我國大模型已進(jìn)入發(fā)展加速期，在自然語言處理、機(jī)器視覺和多模態(tài)等各技術(shù)分支上均與國際技術(shù)發(fā)展趨勢同步發(fā)展。在產(chǎn)學(xué)研各方共同推動下，我國已建立起涵蓋理論方法和軟硬件技術(shù)的體系化研發(fā)能力，涌現(xiàn)出一批具有行業(yè)影響力的大模型應(yīng)用，形成了緊跟世界前沿的各種大模型技術(shù)。目前，我國10億參數(shù)規(guī)模以上的大模型數(shù)量已超100個1。行業(yè)大模型深度賦能電子信息、金融、傳媒、文旅、醫(yī)療、交通、政務(wù)等領(lǐng)域。同時，大模型開始向能源、汽車、鋼鐵等工業(yè)領(lǐng)域挺進(jìn)，在設(shè)計、研發(fā)、管理等環(huán)節(jié)嶄露頭角。
現(xiàn)階段，國內(nèi)布局工業(yè)大模型的主體可分為四類：AI廠商、工業(yè)技術(shù)服務(wù)商、創(chuàng)新成長型企業(yè)、科研機(jī)構(gòu)/科技巨頭。AI廠商主要基于通用基礎(chǔ)大模型賦能工業(yè)領(lǐng)域，主打“大而全”；創(chuàng)新成長型企業(yè)則發(fā)揮自身在細(xì)分領(lǐng)域的經(jīng)驗沉淀打造垂直行業(yè)大模型，主打“專而精”；工業(yè)技術(shù)服務(wù)商則選擇在既有產(chǎn)品中融入AI能力；科研機(jī)構(gòu)/科技巨頭則在國內(nèi)領(lǐng)先的通用大模型基礎(chǔ)上向工業(yè)領(lǐng)域滲透。據(jù)統(tǒng)計，工業(yè)領(lǐng)域已有99個工業(yè)大模型應(yīng)用案例2。
與國外知名大模型相比，2023年下半年國內(nèi)工業(yè)大模型能力提升明顯。在工業(yè)知識問答、文檔生成等領(lǐng)域，國內(nèi)大模型已取得領(lǐng)先，數(shù)據(jù)分析、代碼理解等領(lǐng)域能力接近；但在工程建模領(lǐng)域，國內(nèi)大模型與國際存在一定差距3。具體參見圖1。
圖1：國內(nèi)外大模型能力對比
資料來源：中國工業(yè)互聯(lián)網(wǎng)研究院《人工智能大模型工業(yè)應(yīng)用準(zhǔn)確性測評》,2024.3
02 我國工業(yè)大模型發(fā)展過程中的四個反差現(xiàn)象
反差1：AI專利具備數(shù)量優(yōu)勢，而制造業(yè)AI普及率低
我國在人工智能專利數(shù)量方面占據(jù)主導(dǎo)地位，但頂級人工智能模型相對較少，且制造企業(yè)AI普及率相對較低。根據(jù)2024斯坦福AI指數(shù)報告，2022年，全球人工智能專利來源中，中國占61.1%，大幅超過美國的20.9%，歐盟和英國僅占2.03%；但 2023 年，全球頂級人工智能模型中，61 個來自美國，歐盟21個，中國15個。另據(jù)凱捷（Capgemini）統(tǒng)計數(shù)據(jù)顯示，日本和美國制造企業(yè)的AI應(yīng)用率分別達(dá)到了30%和28%；相較于這些發(fā)達(dá)國家，中國制造企業(yè) AI普及率尚不足11%。
其主要原因在于，目前國內(nèi)外推出的主流大模型仍為公共數(shù)據(jù)集訓(xùn)練出的基礎(chǔ)大模型，知識面夠廣但不夠?qū)�，在工業(yè)各垂直領(lǐng)域的性能表現(xiàn)并不突出。根據(jù)中國工業(yè)互聯(lián)網(wǎng)研究院2024年3月發(fā)布的《人工智能大模型工業(yè)應(yīng)用準(zhǔn)確性測評》報告，國內(nèi)外主流大模型的工業(yè)應(yīng)用準(zhǔn)確性平均得分低于60分，處于明顯領(lǐng)先位置的GPT-4、“文心一言”等大模型總體評分也僅在70分上下，可見基礎(chǔ)大模型在賦能新型工業(yè)化方面還有巨大的發(fā)展?jié)摿洼^大的提升空間。
反差2：通用大模型數(shù)量多，而工業(yè)垂直領(lǐng)域落地少
與通用大模型相比，垂直行業(yè)大模型能夠更直接地深入特定行業(yè)與業(yè)務(wù)場景，更精準(zhǔn)地滿足行業(yè)特定的需求，可以彌補(bǔ)通用大模型無法最優(yōu)化適配到垂直行業(yè)中的不足。而對于垂直行業(yè)而言，大模型是一種全新的生產(chǎn)力，賦能行業(yè)全流程的同時，可以改變行業(yè)的業(yè)務(wù)模式及商業(yè)模式，驅(qū)動行業(yè)實現(xiàn)數(shù)據(jù)化轉(zhuǎn)型。因而，垂直行業(yè)應(yīng)用將成為大模型產(chǎn)業(yè)落地的關(guān)鍵賽道。據(jù)不完全統(tǒng)計，截至2023年7月底，國內(nèi)行業(yè)大模型已完成招標(biāo)項目超過60個，探索賦能不同行業(yè)場景的落地方式與應(yīng)用價值，已成為大模型商業(yè)化落地的重要方向。
但從大模型落地行業(yè)領(lǐng)域來看，面向工業(yè)垂直領(lǐng)域的專用模型較少，大模型在工業(yè)垂直場景的應(yīng)用尚不成熟。截至2023年7月，國內(nèi)130家研發(fā)大模型的公司中，通用大模型為78家，占比60%。另外，行業(yè)大模型在金融、傳媒、文旅、政務(wù)、交通等領(lǐng)域的落地應(yīng)用速度較快，其中約15%的大模型都是金融垂直大模型。
這主要是因為，AI大模型應(yīng)用于垂直行業(yè)存在以下問題，限制了實際應(yīng)用效果和行業(yè)場景的拓展：一是缺乏行業(yè)專有知識。不同行業(yè)都有大量區(qū)別于其他行業(yè)的知識、數(shù)據(jù)與流程，大模型需要掌握這些know-how語料才能支撐行業(yè)專屬應(yīng)用。而通用AI大模型為廣泛應(yīng)用場景提供了解決方案，但其缺乏特定行業(yè)的專有知識。二是難以精確控制輸出內(nèi)容。通用AI大模型基于通用數(shù)據(jù)生成的內(nèi)容往往過于普遍化，無法滿足垂直行業(yè)的具體需求。在某些情況下，輸出內(nèi)容可能會偏離問題的實質(zhì)，給用戶帶來困惑。三是模型泛化能力不足。人工智能大模型在訓(xùn)練數(shù)據(jù)上表現(xiàn)出色，但在未見過的數(shù)據(jù)上可能泛化能力不足，過度擬合是常見問題，這對大模型在不同行業(yè)落地應(yīng)用帶來一定門檻。
反差3：工業(yè)大模型覆蓋環(huán)節(jié)多，而核心生產(chǎn)應(yīng)用少
全球范圍來看可用于工業(yè)領(lǐng)域的大模型超過30個4，形成語言大模型、專用大模型、多模態(tài)大模型和視覺大模型四類核心模型，通過三種方式賦能工業(yè)企業(yè)：基于通用底座直接賦能行業(yè)、基于通用底座進(jìn)行場景化適配調(diào)優(yōu)或形成外掛插件工具、面向工業(yè)或具體任務(wù)針對性開發(fā)。
工業(yè)大模型率先落地的場景基本集中在企業(yè)的研發(fā)/設(shè)計、設(shè)備、管理等環(huán)節(jié)，以此提升人機(jī)交互性能及業(yè)務(wù)系統(tǒng)之間的互通效率，但暫未觸及工業(yè)領(lǐng)域核心“生產(chǎn)”環(huán)節(jié)。如大語言模型主要應(yīng)用于工業(yè)問答交互、內(nèi)容生成，以提升任務(wù)處理效率為主；專業(yè)任務(wù)大模型圍繞研發(fā)形成輔助設(shè)計、藥物研發(fā)兩個重點方向，進(jìn)一步增強(qiáng)研發(fā)模式的創(chuàng)新能力；多模態(tài)大模型與視覺大模型則在裝備智能化和視覺識別領(lǐng)域應(yīng)用進(jìn)行初步嘗試。
究其原因，工業(yè)大模型在核心生產(chǎn)環(huán)節(jié)的應(yīng)用受到三個方面的因素制約：一是工業(yè)領(lǐng)域本身門類眾多，各細(xì)分行業(yè)高度碎片化和差異化，大模型難以規(guī)模復(fù)制和推廣，客觀上提高了其成本和落地門檻。二是工業(yè)生產(chǎn)環(huán)境經(jīng)常涉及復(fù)雜的工藝流程、高精度的操作控制以及嚴(yán)苛的安全標(biāo)準(zhǔn)。任何模型預(yù)測或決策的失誤都可能導(dǎo)致生產(chǎn)事故、質(zhì)量問題或經(jīng)濟(jì)損失，因而對可靠性有更嚴(yán)格的要求。三是工業(yè)生產(chǎn)對實時性的要求非常高，很多場景需要模型能夠在毫秒級甚至微秒級的時間內(nèi)做出響應(yīng)；而且，由于計算資源的限制，模型的大小和計算復(fù)雜度也需要得到合理控制。這就需要在保證模型性能的同時，盡可能地降低計算復(fù)雜度，以實現(xiàn)高效的實時推理。
因而從工業(yè)企業(yè)的角度，會選擇從外圍環(huán)節(jié)引入大模型，而對核心生產(chǎn)環(huán)節(jié)的應(yīng)用則相對慎重。以化工行業(yè)為例，據(jù)百度智能云相關(guān)資料，大模型主要應(yīng)用于企業(yè)管理、產(chǎn)品質(zhì)檢領(lǐng)域。企業(yè)管理領(lǐng)域利用大模型把行業(yè)里安全生產(chǎn)、管理等各類標(biāo)準(zhǔn)，通過大模型知識固化，形成共性的服務(wù)平臺；產(chǎn)品質(zhì)檢領(lǐng)域則主要是在生產(chǎn)過程中需要多輪質(zhì)檢來保障產(chǎn)品質(zhì)量，以此降低成本，提升生產(chǎn)效率。
反差4：對工業(yè)數(shù)據(jù)質(zhì)量要求高，而現(xiàn)有數(shù)據(jù)不完整、不連通
海量、多源、動態(tài)更新的數(shù)據(jù)是訓(xùn)練模型和進(jìn)行數(shù)據(jù)挖掘的必要條件，尤其人工智能大模型的訓(xùn)練需要海量工業(yè)數(shù)據(jù)/語料庫，而且對數(shù)據(jù)規(guī)模、質(zhì)量等的要求很高，因為錯誤或不一致的數(shù)據(jù)可能導(dǎo)致模型訓(xùn)練不穩(wěn)定或性能下降。如預(yù)訓(xùn)練階段，語言大模型需要40TB的中文文本語料；視覺大模型需要100W+工業(yè)圖像；多模態(tài)大模型的效果則與數(shù)據(jù)量強(qiáng)相關(guān)，通常需要億級以上規(guī)模的數(shù)據(jù)。不僅如此，大模型訓(xùn)練對數(shù)據(jù)的配比要求也較高，工業(yè)數(shù)據(jù)在所有數(shù)據(jù)的占比需要達(dá)到約10-15%。
而我國在工業(yè)大模型的應(yīng)用推廣中，面臨三個突出問題：一是工業(yè)企業(yè)數(shù)字化程度參差不齊，各場景、環(huán)節(jié)數(shù)據(jù)結(jié)構(gòu)不統(tǒng)一，導(dǎo)致工業(yè)數(shù)據(jù)質(zhì)量參差不齊，缺乏高質(zhì)量的工業(yè)語料數(shù)據(jù)為大模型的微調(diào)訓(xùn)練提供支撐。二是工業(yè)生產(chǎn)過程中的各個環(huán)節(jié)相互交織，數(shù)據(jù)之間的關(guān)聯(lián)性和復(fù)雜性也較高。數(shù)據(jù)的來源、采集方式、時間戳等都會影響數(shù)據(jù)的準(zhǔn)確性和完整性。這種數(shù)據(jù)結(jié)構(gòu)的多樣與質(zhì)量的參差不齊給工業(yè)大模型的訓(xùn)練和應(yīng)用帶來了挑戰(zhàn)。三是工業(yè)企業(yè)間數(shù)據(jù)壁壘嚴(yán)重，限制了數(shù)據(jù)的共享和流通。尤其在核心制造環(huán)節(jié)，工業(yè)數(shù)據(jù)通常包含企業(yè)的核心機(jī)密和商業(yè)秘密，如工藝參數(shù)、配方、客戶信息等，因而對數(shù)據(jù)隱私與數(shù)據(jù)安全異常敏感。此外，數(shù)據(jù)共建共享、數(shù)據(jù)產(chǎn)權(quán)界定等機(jī)制不完善，導(dǎo)致數(shù)據(jù)規(guī)模和質(zhì)量無法有效支撐模型訓(xùn)練，一定程度上限制了工業(yè)大模型的應(yīng)用進(jìn)程。
03 工業(yè)大模型發(fā)展展望
大模型向B端尤其是工業(yè)領(lǐng)域應(yīng)用已成為行業(yè)共識。大模型已呈現(xiàn)出以基礎(chǔ)大模型為技術(shù)底座，工業(yè)應(yīng)用為切入點的發(fā)展趨勢。
大模型成本的降低將加速其在工業(yè)領(lǐng)域的應(yīng)用。業(yè)界在積極探索各類模型壓縮技術(shù)，在保證模型精度的同時，可以有效減少模型的參數(shù)量、計算復(fù)雜度和存儲需求，從而降低訓(xùn)練和推理成本。近期BAT和科大訊飛等大模型廠商紛紛宣布主力模型免費，表明大模型成本已經(jīng)斷崖式下降，這無疑將加快大模型在工業(yè)領(lǐng)域的滲透速度，并最終提高AI在工業(yè)尤其是制造業(yè)的普及率。據(jù)市場研究機(jī)構(gòu)Market Research Future預(yù)計，從2022至2032年工業(yè)AI市場規(guī)模將以46％的年均復(fù)合增長率高速成長。
定制化大模型將成為更多行業(yè)的選擇。隨著各行各業(yè)對于大模型的深入理解，大模型將更傾向于滿足特定行業(yè)需求，為企業(yè)提供更為精準(zhǔn)的解決方案，就像是為每個行業(yè)打造了一套專屬的“大腦”。
從落地應(yīng)用模式來看，工業(yè)大模型的應(yīng)用模式將是“基礎(chǔ)大模型+工業(yè)APP”，基于少量工業(yè)基礎(chǔ)大模型快速構(gòu)建大量工業(yè)APP滿足碎片化應(yīng)用需求。從而既能依托基礎(chǔ)大模型的結(jié)構(gòu)和知識，又能融合工業(yè)細(xì)分行業(yè)的數(shù)據(jù)和專家經(jīng)驗，加快形成垂直化、場景化、專業(yè)化的應(yīng)用模型，推動各類工業(yè)場景的智能化升級。
工業(yè)企業(yè)對工業(yè)數(shù)據(jù)的管理將會提上一個新臺階。伴隨大模型在各行業(yè)外圍場景落地并逐步向核心生產(chǎn)環(huán)節(jié)滲透，工業(yè)企業(yè)對數(shù)據(jù)的認(rèn)識和理解會更加深入。包括如何合理收集、清洗和管理數(shù)據(jù)，如何確保數(shù)據(jù)的質(zhì)量和全面性，如何保障數(shù)據(jù)的隱私和安全等。而基于各行各業(yè)的探索，相關(guān)的機(jī)制和制度保障也會愈加完善。
注釋
1.國家數(shù)據(jù)局局長劉烈宏2024年3月25日在中國發(fā)展高層論壇公布的數(shù)據(jù)。
2.騰訊研究院《工業(yè)大模型應(yīng)用報告》，2024.3。
3.中國工業(yè)互聯(lián)網(wǎng)研究院《人工智能大模型工業(yè)應(yīng)用準(zhǔn)確性測評》，2024.3。
4.工業(yè)互聯(lián)網(wǎng)產(chǎn)業(yè)聯(lián)盟&信通院：工業(yè)大模型技術(shù)應(yīng)用與發(fā)展報告1.0，2023.12。
本文作者
柴雪芳
戰(zhàn)略發(fā)展研究所
一級分析師
碩士，高級經(jīng)濟(jì)師，就職于中國電信研究院，長期從事信息通信行業(yè)市場研究、客戶研究，近年來專注于產(chǎn)品運營管理、數(shù)字化轉(zhuǎn)型等領(lǐng)域。
